什么是 CrewAI？
CrewAI 是一个专为协调具有特定角色的多个自主智能体（Agents）而设计的开源 Python 框架。与强调底层图论或自由对话的框架不同，CrewAI 采用了一种“面向组织架构”的范式：开发者只需定义具有背景故事和技能的“员工（Agents）”、包含预期交付物的“任务（Tasks）”，然后将它们组建成一个“团队（Crew）”。团队会根据预设的流程（串行或层级）自动推进工作，并允许智能体之间进行任务委派（Delegation）。
快速了解
| 全称 | CrewAI Collaborative Agent Framework |
|---|---|
| 创建时间 | 2023年底开源，因其极低的学习门槛和优秀的工程化设计迅速走红 |
工作原理
随着企业开始尝试将大模型应用于实际生产，如何管理多个协同工作的 AI 成为了一个难题。如果控制得太死，就失去了大模型的泛化能力；如果放任它们自由对话，又极易陷入死循环或偏离业务目标。CrewAI 提供了一个绝佳的平衡点。它通过强制的“角色设定（Role & Backstory）”来限制每个 Agent 的关注点，极大降低了幻觉的发生率。例如，在一个自动写文章的 Crew 中，你可以设立一个“资料收集员”和一个“主笔作家”。如果作家觉得资料不够，它可以主动将“补充资料”的子任务委派回给收集员。整个过程高度模拟了真实人类公司的运作方式。此外，由于 CrewAI 底层无缝集成了 LangChain，所有的 Agent 都可以直接使用 LangChain 庞大的工具库（如搜索、数据库查询、API 调用）。
主要特点
- 强角色化设计：通过 Role, Goal 和 Backstory 让 Agent 保持专注，减少幻觉
- 明确的任务交付物：每个 Task 必须定义 Expected Output，确保输出格式的一致性
- 灵活的任务委派：支持 Agent 之间的相互沟通和任务指派（Delegation）
- 多种工作流引擎：支持简单的串行流程（Sequential），也支持由 Manager 动态分配的层级流程（Hierarchical）
- 无缝接入 LangChain：原生兼容 LangChain 的 Tools 和各类大模型接口
常见用途
- 自动化市场调研：Research Agent 负责上网搜集竞争对手数据，Analyst Agent 负责撰写分析报告
- 招聘简历筛选：HR Agent 负责提取简历关键信息，Tech Lead Agent 负责评估技术匹配度
- 旅游行程规划：Local Expert Agent 提供景点建议，Finance Agent 负责计算预算，Planner Agent 汇总输出 PDF
- 社交媒体运营：Trend Agent 捕捉当前热点，Copywriter 撰写推文，SEO Agent 优化关键词
示例
Loading code...常见问题
CrewAI 和 LangGraph 有什么区别？
LangGraph 更底层，它提供的是“有向图”的组装能力，适合需要精确控制每一个逻辑分支和循环的场景。而 CrewAI 更高层，它封装好了角色扮演和任务流转的逻辑，开发者不需要画图，只需要“招人、派活”即可，开发效率极高。
什么是 Hierarchical Process（层级流程）？
在默认的 Sequential（串行）流程中，任务是按照数组的顺序依次执行的。而在 Hierarchical 流程中，CrewAI 会自动生成一个“Manager Agent（经理）”，由这个经理根据任务目标，动态地将子任务分发给团队中的其他 Agent，这更接近真实人类公司的运作方式。
CrewAI 只能用 OpenAI 的模型吗？
不是。由于 CrewAI 建立在 LangChain 之上，你可以通过 `langchain_openai` 库（修改 baseURL）或者其他 LLM 接口，轻松地将底层的推理模型替换为本地的 Ollama、Anthropic 的 Claude 或者任何兼容的模型。